EntAI 雷达摘要
- 适合人群:AI行业从业者、科技爱好者、关注自动化和机器人的普通公众
- 影响领域:人工智能、机器人、自动化
- 机会判断:操控物理世界的AI代理能力出现跃升,预示着未来人机协作门槛将大幅降低,普通人有望通过自然语言指令操控复杂设备。
- 风险提醒:AI在精确物理移动方面仍存短板,在那些容错率极低的精细操作场景中,完全自主化部署仍需谨慎。
- 推荐标签:Anthropic、Claude、机器人、具身智能
- 推送优先级:3/5
Anthropic 公布了一项名为 Project Fetch 的内部实验。🚀 最新结果显示,其 AI 模型 Claude 独立操控四足机器狗完成任务的速度,比人类团队快出一个数量级。 这个实验项目被命名为 Project Fetch。Anthropic 的研究团队最初在 2025 年 8 月进行了一次尝试,参与者是公司内部并非机器人专家的普通员工,使用的硬件是一条市面上就能买到的四足机器狗。 但在初次实验中,当时的最新模型 Claude Opus 4.1 却卡在了领先步。它甚至无法自行搞定如何连接到机器狗,更不用说完成后续复杂的取物任务了。 时间快进到近期,情况发生了剧变。研究团队使用新模型 Claude Opus 4.7 重新进行了实验。他们在 Claude Code 中开启了自适应思考,并将努力程度调至最高,进行了三次试验。 这一次,在没有人类辅助的情况下,Claude Opus 4.7 在所有任务上的完成速度都比最快的人类团队快了约 20 倍。如果把范围缩小到两组人类团队都完成了的四项任务上,差距更加悬殊:Opus 4.7 的平均速度比未获得 Claude 协助的团队快超过 37 倍,比获得 Claude 协助的团队快超过 18 倍。在任何一项至少有一个人类团队完成的任务上,Opus 4.7 的速度都快了至少 10 倍。 整个实验过程中,研究员的角色被大幅简化,仅限于将一台运行着 Claude Code 的笔记本电脑插入机器狗,然后输入初始提示,并在过程中批准命令以及逐个批准模型进入下一项任务。 这些任务包括了一系列复杂的步骤:操作机器狗、连接其身上的视频和激光雷达传感器、编写手动控制程序、开发空间路径监控方法、编写识别沙滩球的程序,并最终整合所有步骤让机器狗自主把球取回来。在新一轮自动化实验中,团队不再要求 Claude 使用物理遥控器,而是直接验证其能否一气呵成地完成全套自主流程。当然,尽管进步巨大,文章也坦言最新的 Claude 模型在精确移动沙滩球方面仍然存在一些困难。 ⚡ 这则消息对普通打工人来说意味着什么呢?可能意味着,AI 不再只是聊天和写代码的软件,它正在真正获得操控物理世界的能力。很快,你或许就能通过发出简单的文字指令,让身边的机器人帮你取快递、整理房间或完成重复性的工厂操作,这一切的门槛可能低到不需要任何编程知识。
EntAI观察
这次实验的跨越式进步,值得关注。从最初连机器狗都连不上,到如今速度全面碾压人类团队,这中间短短数月的变化,反映出 AI 能力在具身智能领域的迭代速度可能已进入陡增阶段。 Anthropic 选择让非机器人专家的普通员工来做对比,这一设计或许说明了一个关键点:他们测试的不是专业工程师的操作速度,而是普通人在面对复杂硬件任务时的学习与执行能力。而 AI,正在这个维度上迅速超越人类。 最新模型在精准移动物体上仍存困难,这提醒我们,AI 在涉及精细物理交互的领域,可能还存在最后几厘米的挑战。但从整体效率来看,人只需要负责“批准”的工作模式,或许将重构大量涉及硬件操作的工作流程。 今天这个动作说明了,通用大模型向物理世界的渗透正在加速,人机协作的边界已经从软件辅助,正式扩展到了硬件执行层面。
觉得有用?点个赞